联邦学习中抵御数据重建攻击的逐元素安全聚合技术

本文提出了一种针对联邦学习中稀疏模型更新场景的安全增强方案,通过逐元素掩码策略防止单个客户端数据泄露,同时保持与现有安全聚合协议的兼容性,实验证明其计算和通信开销在可接受范围内。

联邦学习中抵御数据重建攻击的逐元素安全聚合技术

本文提出了一种对SecAgg的新颖增强方案,该方案仅在具有至少k个非零贡献的索引处揭示聚合值。我们的机制引入了逐元素掩码策略来防止贡献不足的元素暴露,同时通过仅依赖典型设置中已使用的密码学原语,保持与许多现有SecAgg实现的模块化和兼容性。我们将此机制集成到Flamingo(一种低轮次SecAgg协议)中,为此类攻击提供鲁棒防御。我们的分析和实验结果表明,该机制引入的额外计算和通信开销保持在可接受范围内,证明了我们方法的实用性。

评论:10页,5张图表

主题:密码学与安全(cs.CR)

引用信息:arXiv:2508.04285 [cs.CR]

comments powered by Disqus
使用 Hugo 构建
主题 StackJimmy 设计